Gender-Pay-Gap nach Raumtypen

WER VERDIENT sich WO REICH? 

 

Cansu Ceylan | Philipp Theißen | Mona Dohmen | Valerie Mühlau

1. WAS DU HIER FINDEST

In den vergangenen Jahren gab es einige Forschungsansätze, die sich mit dem Thema Suburbia auseinandergesetzt haben (Kiesler & Keller 2019, Burdack & Hesse 2006, Lütke & Wood 2016). Die Definition von Suburbia konnte trotz dessen nicht abschließend geklärt werden und wird in der Sozialforschung immer wieder debattiert (Lütke & Wood 2016, Burdack & Hesse 2006). Ebenso ist die Sozialstruktur des suburbanen Raums, und daran anlehnend der Gender Pay Gap, in dieser räumlichen Dimension bisher nicht vollständig erforscht (Kiesler & Keller 2019). Unklar ist somit, ob der Gender Pay Gap in allen Raumkategorien gleichermaßen auftritt oder ob Unterschiede zwischen Großstadt, Suburbia und dem ländlichen Raum festzustellen sind. Diese Unklarheit wollen wir Dir nehmen! Deshalb untersuchen wir inwiefern sich der Gender Pay Gap zwischen Großstadt, Suburbia und dem ländlichen Raum unterscheidet.

2. BEREITS BEKANNTE FAKTEN

Seit zwei Jahrzehnten zeigt sich ein relativ unveränderter Einkommensunterschied zwischen Frauen und Männern (Strunk & Hermann 2009). Begründungen für den Gender-Pay-Gap (GPG) finden sich in der sozialwissenschaftlichen Forschung. Die Humankapitaltheorie besagt, dass Verdienstunterschiede aus unterschiedlich inkorporierten Wissen - Humankapital - besteht. Das lässt sich grob in das allgemeine (Schulbildung) und spezifische (Arbeitserfahrung) Humankapital zusammenfassen (Golla 2002: 57). Ein weiterer kultureller Aspekt ist die Abwertung weiblich konnotierter Arbeit, der insbesondere in den Care-Berufen zu beobachten ist (ILO o.J.: 6). Ergänzt werden diese Theorien vom sogenannten “Labour-Market-Closure”, welcher besagt, dass Frauen aufgrund ihrer inferioren Stellung auf dem Arbeitsmarkt weniger Macht besitzen, um auf den ersten Arbeitsmarkt vorzudringen  - Stichwort: Frauenquote - (Murphy & Oesch 2015: 1227). Busch & Holst (2008) zeigen auf, dass zudem Unterschiede des Gender Pay Gap zwischen verschiedenen Raumkategorien auftreten können und weisen insbesondere auf einen Unterschied zwischen Großstadt und Land hin.

3. KLEINES BACKUP

Bei dem Gender-Pay-Gap (GPG) handelt es sich um einen messbaren Indikator der Ungleichheit zwischen Frauen und Männern darstellt, welcher sich im Einkommen niederschlägt (ILO o.J.).

unbereinigt = Unterschied im Einkommen zwischen Männern und Frauen

bereinigt = Faktoren für Verdienstunterschiede, die auf strukturelle Unterschiede zwischen den Geschlechtergruppen hinweisen, werden miteinbezogen (Statistisches Bundesamt o.J.)

Deskriptive Statistik: Dient der Beschreibung eines Datensatzes anhand einzelner Merkmale. Hilft mögliche Fehler bei der Datenerfassung im Datensatz zu entdecken. Auch notwendig, um die Eignung der Daten einzuschätzen (Universität Zürich o.J.a).

Multiple lineare Regressionsanalyse: Testet, ob ein Zusammenhang zwischen einer abhängigen (hier: Nettoeinkommen) und mehreren unabhängigen Variablen (hier: Humankapital, Teilzeit, ...), die vorher aufgrund der Theorie festsetzt wurden, besteht (Universität Zürich o.J.b).

4. Folgende Vermutungen wurden aufgestellt

HUMANKAPITAL

Hypothese 1: Der Gender Pay Gap ist in Suburbia und im ländlichen Raum größer als in der Großstadt, da die Frauen dort weniger Humankapital akkumulieren.

ROLLENBILDER

Hypothese 2: Im suburbanen Raum sind Frauen im Vergleich zur Großstadt aufgrund der traditionellen Rollenverteilung seltener Vollzeit erwerbstätig.

CULTURAL DEVALUATION

Hypothese 3: In der Suburbia und im ländlichen Raum arbeiten Frauen eher in weiblich konnotierten Berufen als in der Großstadt.

LABOUR MARKET EFFECT

Hypothese 4a: Frauen arbeiten durch den „labour market effect“ weniger in Führungspositionen, welcher im suburbanen und ländlichen Raum häufiger auftritt als in der Großstadt.

Hypothese 4b: Frauen arbeiten durch den “labour market effect” häufiger in Teilzeitberufen, was sich negativ auf ihr Einkommen auswirkt und im suburbanen Raum und auf dem Land  häufiger auftritt als in urbanen Ballungsgebieten.

5. Info zur Methodik

Für die Untersuchung der Forschungsfrage und Vermutungen wurde der Datensatz des ALLBUS genutzt und für die Jahre 2008 und 2016 analysiert. Die Grundgesamtheit der Umfragen besteht aus der wachsenden Wohnbevölkerung Deutschlands, bei einer ungefähren Samplegröße von N=3500 (ALLBUS o.J.). Innerhalb unserer Untersuchung wurden nur die erwerbstätigen Personen berücksichtigt. Als Instrument für die Ergebnisermittlung diente das Programm SPSS, mit dem wir zunächst die deskriptiven Statistiken sowie anschließend die multiple lineare Regressionsanalyse berechnet haben.

6. WIR BRINGEN LICHT INS DUNKLE - Welche Vermutungen können bestätigt werden?

 

Hypothese 1 - Humankapitaltheorie:
Der Gender-Pay-Gap ist in Suburbia und im ländlichen Raum größer als in der Großstadt, da die Frauen dort weniger Humankapital akkumulieren.

 

Es wird deutlich, dass die Befragten im Jahr 2016 insgesamt ein höheres allgemeines Humankapital besitzen als 2008. Frauen (Ø 13,05 BiJ) haben Männer (Ø 12,74 BiJ) 2016 hinsichtlich der Bildungsjahre in allen Raumkategorien überholt, wobei der größte Unterschied in der Großstadt festzustellen ist. Zudem hat sich die Reihenfolge der einzelnen Raumkategorien im Zeitvergleich geändert: Während 2008 die Befragten mit dem meisten Humankapital noch im ländlichen Raum wohnten (Ø 12,07 BiJ), besitzen 2016 Großstädter*innen (Ø 13,40 BiJ) die meisten Bildungsjahre. Die Suburbia liegt nach wie vor im Mittelfeld (Ø 12,81 BiJ). Das Regressionsmodell zeigt keinen deutlichen Unterschied zwischen den Geschlechtern hinsichtlich des Einflusses der Bildungsjahre auf das Nettoeinkommen. Dieser ist insgesamt gering und unter Einbeziehung des Berufsstatus nicht signifikant.

 

Hypothese 2 - Traditionelles Familienmodell:
Im suburbanen Raum sind Frauen im Vergleich zur Großstadt aufgrund der traditionellen Rollenverteilung seltener Vollzeit erwerbstätig.

 

Im Zeitvergleich wird deutlich, dass sich Frauen, bezogen auf alle Raumkategorien, größtenteils nicht mit dem traditionellen Rollenbild identifizieren können (2008: 82,4 %; 2016: 89,1 %). Insgesamt ist der größte Wandel hinsichtlich eines progressiven Rollenbildes in der Großstadt zu erkennen (2008: 78,6 %; 2016: 89,5 %). Im Vergleich fällt auf, dass sich sowohl Zustimmung als auch Ablehnung zum traditionellen Rollenbild zwischen den drei Raumkategorien nur geringfügig unterscheiden. Die Zustimmung der Männer zum traditionellen Rollenbild sinkt im Zeitverlauf ebenfalls, wobei die prägnanteste Veränderung (Abnahme von 25 %) in der Großstadt zu verorten ist (2008: 32,5 %; 2016: 7,5 %). Im Regressionsmodell ist ein Einfluss des Rollenbildes auf das Nettoeinkommen erkennbar, dieser Einfluss ist jedoch insignifikant und kann nicht auf die Grundgesamtheit übertragen werden. Es ist jedoch festzustellen, dass Frauen generell häufig in Teilzeit bzw. nebenerwerblich arbeiten, ein Interaktionseffekt von Geschlecht und dem Erwerbsstatus konnte jedoch nicht nachgewiesen werden.

 

Hypothese 3 - Cultural Devaluation:
In der Suburbia und im ländlichen Raum arbeiten Frauen eher in weiblich konnotierten Berufen als in der Stadt.

 

Es ist zu erkennen, dass Frauen in Suburbia und im ländlichen Raum in beiden Jahren häufiger in weiblich konnotierten Berufen arbeiten als in der Großstadt. Im Zeitverlauf vergrößert sich der Unterschied zwischen der Großstadt und den anderen beiden Raumkategorien. Zudem ist im Zeitvergleich zu erkennen, dass der prozentuale Anteil der Frauen, die in weiblich konnotierten Branchen arbeiten, leicht gestiegen ist (2008: 68,8 %; 2016: 69 %). In der Großstadt hat der prozentuale Anteil der Frauen in männlich konnotierten Berufen nochmals zugenommen (2008: 34,1 %; 2016: 40,2 %). Die Hypothese lässt sich somit bestätigen. Mit der Regression konnte die Theorie der Cultural Devaluation hingegen nicht betätigt werden, gemäß welcher klassisch weiblich konnotierte Tätigkeiten geringere Entlohnungen haben als andere Tätigkeiten, die nicht überwiegend weiblich konnotiert sind. Da der Effekt insignifikant ist, kann dieser nicht auf die Grundgesamtheit übertragen werden.

 

Hypothese 4a - Labour market effect:
Frauen arbeiten durch den “labour market effect” weniger in Führungspositionen, welcher im suburbanen Raum und auf dem Land häufiger auftritt, als in urbanen Ballungsgebieten.

 

Unsere Untersuchung zeigt, dass Frauen in Führungspositionen sowohl 2008 als auch 2016 stark unterrepräsentiert sind. Werden nur die weiblichen Führungskräfte in Bezug zum Wohnort betrachtet, wird ersichtlich, dass 2008 Frauen eher in urbanen Ballungsgebiet in der Führungsposition arbeiten. Je ländlicher der Raum wird, desto weniger sind Frauen in Führungspositionen vertreten. Für das Jahr 2008 bestätigt sich unsere Hypothese. Für das Untersuchungsjahr 2016 zeigt sich, dass sich die Quote für Frauen in Führungspositionen in Bezug auf den Wohnort verschiebt. In der Suburbia und im ländlichen Raum sind sie 2016 häufiger in Führungspositionen vertreten als in der Großstadt. Das Regressionsmodell zeigt einen großen Einfluss vom innehaben einer Führungsposition auf das Nettoeinkommen für beide Geschlechter. Im Schnitt liegt der Verdienstunterschied von Führungskräften und Nicht-Führungskräften 2008 bei 592€ und 2016 bei 715€. Zudem kann ein Interaktionseffekt zwischen Führungspositionen und dem Geschlecht in beiden Jahren nachgewiesen werden.

 

Hypothese 4b - Labour market effect:
Frauen arbeiten durch den “labour market effect” häufiger in Teilzeitberufen, was sich negativ auf ihr Einkommen auswirkt und im suburbanen Raum und auf dem Land  häufiger auftritt als in urbanen Ballungsgebieten.

 

Werden die kumulierten Typen der Erwerbstätigkeit betrachtet, ist im Zeitvergleich festzustellen, dass 2008 die Vollzeitquoten von urbanem zum ländlichen hin Raum steigern.  Vice versa verhält es sich mit den Teilzeitquoten. 2016 hingegen lassen sich Ähnlichkeiten bei den Quoten von Großstadt und Suburbia feststellen. Wird nun noch das Geschlecht als Referenzkategorie mit einbezogen, so ist ebenso eine leicht gegensätzliche Verschiebung der Voll- und Teilzeitquoten von urban zu ländlich und umgekehrt, in Bezug zum Wohnort, sowohl 2008 als auch 2016, zu beobachten. In Vollzeit arbeiten Frauen am meisten in der Großstadt und die Quote nimmt zum ländlichen Raum hin ab. Konträr dazu entwickelt sich die Teilzeitquote. Die Regression zeigt einen deutlichen Einfluss von Teilzeitarbeit im Vergleich zu Vollzeitarbeit auf das Nettoeinkommen (2008 Vollzeit 570€ mehr, 2016 678€ mehr). Ein Interaktionseffekt von Geschlecht und dem Erwerbsstatus konnte zwar nicht nachgewiesen werden, doch es wird deutlich, dass Frauen häufiger in Teilzeit arbeiten. Das Auftreten von mehr Teilzeitarbeit von Frauen je ländlicher das Gebiet wird konnte bis auf 2008 für den ländlichen Raum gezeigt werden. Der Labour Market Effect scheint sich über den Zeitverlauf noch auszudehnen, da insbesondere im Zeitvergleich ein Anstieg der Teilzeitarbeit von Frauen um knapp 5% beobachtet werden konnte.

 

7. SUMMA SUMMARUM

Es konnte gezeigt werden, dass der bereinigte GPG 2008 und 2016 weiterhin existiert. Ein direkter Einfluss des allgemeinen Humankapitals auf das Nettoeinkommen konnte nicht festgestellt werden. Dennoch lässt sich ein indirekter Effekt der Bildungsjahren auf das Nettoeinkommen vermuten. Der Literatur ist zu entnehmen, dass Unterschiede insbesondere im spezifischen Humankapital festzustellen sind (Schrenker, Zucco 2020). Dies könnte auf eine weiterhin klassische Rollenverteilung hindeuten, und zeigt eine Diskrepanz des eher progressives Rollenbild der Befragten mit der tatsächlichen Rollenverteilung. Selbiges lässt sich auch vermuten, wenn die Teilzeit- und Vollzeitquoten betrachtet werden. Frauen arbeiten deutlich häufiger in Teil- und seltener in Vollzeitanstellungen als Männer. Die überwiegende Mehrheit der Führungspositionen ist männlich besetzt. Zudem arbeiten Frauen öfter in weiblich konnotierten Berufen, die oft schlechter bezahlt sind. Der Effekt konnte aber nicht signifikant nachgewiesen werden. 

Was bedeutet das für die Raumplanung?

Die Raumplanung sollte sich insbesondere kritisch mit ihren Planungsparadigmen auseinandersetzen und generell eine gendergerechte Planung betreiben, beispielsweise auch in der Wirtschaftsförderung. Darüber hinaus sollten sich die einzelnen Disziplinen, insbesondere in Bezug auf die Frauenquote bzw. Diversitätsquote, der eigenen Führungskräfte hinterfragen.

 

WILLST DU NOCH EINEN BLICK IN DIE GRAFIKEN DER DESKRIPTIVEN STATISTIKEN WERFEN? - DANN VIEL SPASS!

Hypothese 1 - Das Allgemeine Humankapital der Männer und Frauen 

Hypothese 2 - Das Traditionelle Rollenbild der Frauen und ihre Erwerbstätigkeit

Hypothese 2 - Cultural Devaluation: Frauen in weiblich/männlich konnotierten Berufen

Hypothese 4a - Die Führungspositionen von Männern und Frauen

Hypothese 4b - Die Erwerbstätigkeit der Männer und Frauen

Quellenverzeichnis

ALLBUS (o.J): Stichproben- und Erhebungsdesign des ALLBUS. URL: https://www.gesis.org/allbus/allbus/allgemeine-informationen/stichproben-und-erhebungsdesign. Letzter Zugriff: 13.02.21.

Burdack, J., Hesse, M. (2006): Reife, Stagnation oder Wende? Perspektiven zu Suburbanisierung. Post-Suburbia und Zwischenstadt: Ein Überblick zum Stand der Forschung. Bd 80, H4 S. 381-399.

Golla, G. (2002): Personalfluktuation und Unternehmenserfolg. Die relative Bedeutung allgemeinen und spezifischen Humankapitals für die Performance professioneller Sport-Teams.

International Labour Organization (o. J.): Understanding the gender pay gap. S. 6. Online-Publikation: https://www.ilo.org/wcmsp5/groups/public/---ed_dialogue/---act_emp/documents/publication/wcms_735949.pdf. Letzter Zugriff: 14.02.21.

Kiesler, M., Keller, C. (2019): Die Sozialstruktur Suburbias zwischen Homogenität und Heterogenität. Raumplanung, 204 (6). S. 55-61.

Lütke, P., Wood, G. (2016): Das „neue“ Suburbia? In: Informationen zur Raumentwicklung: Im Schatten der Reurbanisierung? Suburbias Zukünfte. Heft 3. 2016.

Murphy, E., Oesch, D. (2015): The Feminization of Occupations and Change in Wages: A Panel Analysis of Britain, Germany, and Switzerland. Social Forces, 94(3). S. 1221-1255.

Schrenker, A., Zucco, A. (2020): Gender Pay Gap steigt ab dem Alter von 30 Jahren stark an, DIW Wochenbericht, ISSN 1860-8787, Deutsches Institut für Wirtschaftsforschung (DIW). Berlin. Vol. 87, Iss. 10, pp. 137-145.

Statistisches Bundesamt (o.J.): Wie wird der Gender PAy Gap erhoben und berechnet? URL: https://www.destatis.de/DE/Themen/Arbeit/Verdienste/FAQ/gender-pay-gap.html. Letzter Zugriff: 14.02.21.

Strunk, G., Hermann, A. (2009): Berufliche Chancengleichheit von Frauen und Männern: Eine empirische Untersuchung zum Gender Pay Gap. Zeitschrift für Personalforschung (ZfP). Vol. 23, Iss. 3, pp.237-257. Rainer Hampp Verlag: Mering. S. 241. Onlinepublikation: https://www.econstor.eu/bitstream/10419/71009/1/731729544.pdf. Letzter Zugriff: 14.02.21.

Universität Zürich (o.J.a): Methodenberatung. Deskriptive, univariate Analyse (Verteilungen). URL: https://www.methodenberatung.uzh.ch/de/datenanalyse_spss/deskuniv.html. Letzter Zugriff: 12.02.21.

Universität Zürich (o.J.b): Multiple Regressionsanalyse. URL: https://www.methodenberatung.uzh.ch/de/datenanalyse_spss/zusammenhaenge/mreg.html. Letzter Zugriff: 12.02.21.

Abbildungsverzeichnis

Alle Abbildungen auf dieser Seite wurden auf Grundlage der ALLBUS- Daten selbst erstellt.

 

× ×